尽管许多组织在生成式人工智能方面进行了大量投资,但大多数都没有看到预期的生产力提升。
仅仅采用新技术已经不足以推动生产力增长,如果曾经足够的话。在当今快速发展的数字化工作场所中,领导者面临着将数字投资转化为实际业务成果的持续挑战。
负责AI数字化工作场所的信息技术领导者可以通过帮助员工建立相关技能和抱负、为团队提供有针对性的实践培训,以及通过识别创造性和创新应用鼓励员工将AI应用于管理任务之外,来加速价值实现。
要实现AI的真正承诺,数字化工作场所领导者必须超越采用层面,赋能员工将其用于创造性、战略性和解决问题的工作。以下五个趋势为数字化工作场所领导者提供了基于证据和以人为本的方法,将生成式AI投资转化为今天的商业价值。
趋势一:数字化平台期,AI时代生产力增长停滞
在2020年代数字化转型浪潮中,自报生产力急剧上升,导致分布式工作广泛普及,但最新数据显示这种势头已经放缓。
这种平稳状态表明,数字化的轻松收益已基本实现。随着混合工作安排变得更加普遍,增加的通勤和酌情努力下降等因素开始抵消早期收益。
对组织而言,这个平台期表明,仅仅添加包括AI在内的新技术,不会自动转化为更高的生产力。这些发现强化了有效使用AI来维持和提高员工生产力的持续挑战。
IT领导者应定期审查员工历程和反馈,了解什么让人们更有生产力,什么让他们放慢速度。他们还应该从数据和反馈中学习,修复瓶颈,简化流程,并投资于支持人们日常工作方式的技术。
趋势二:数字敏捷度下降,员工技能和参与度创新低
缩小IT支出与C级高管对生产力增长期望之间的差距,取决于员工有效使用技术。员工赋能是数字化工作场所领导者角色的核心责任。
最新调查显示"数字敏捷"员工数量急剧下降,这些员工具有使用技术获得更好业务结果的能力和抱负。数字敏捷度在2020年激增,反映了在早期广泛远程工作期间,员工充满活力并有能力拥抱数字工具。然而现在,这种势头已经急剧逆转。
随着组织加速AI采用,现在感到有能力或有动力使用这些工具的员工比几年前更少。这是一个可能阻碍数字化转型努力的趋势。
对IT领导者来说,前进的道路很明确。他们必须赋能每个员工,而不仅仅是IT专家,自信地利用技术创造商业价值。IT领导者应该提供专注于真实业务场景和日常工作的实用培训课程和研讨会,帮助员工建立对AI的信心和能力。他们应该创建认可项目,突出那些积极使用数字工具解决问题、改进流程或创新的员工。
趋势三:日常AI习惯,频率胜过专业知识
许多高管期望AI投资能释放显著的生产力增长,但证据显示仅仅部署它是不够的。真正的差异化因素不是对AI的访问,而是员工将其深度和常规地整合到日常工作习惯中的程度。有三个因素可以塑造AI的生产力影响:
频率:员工使用日常AI工具越频繁,看到的生产力改进越显著。平均而言,44%的员工每天使用AI工具,大多数报告只有适度的生产力改进。显著生产力增长的最强预测因子是频繁、习惯性使用。每天使用AI的员工报告"更有生产力"的可能性是不经常使用者的4.6倍。
工具多样性:员工使用的AI工具来源和种类会显著影响生产力结果。超过一半的员工现在在工作中混合使用个人和组织AI工具。同时使用两种工具的员工报告显著生产力增长的可能性是只使用一种或不使用的员工的1.6倍。这进一步突出了数字化工作场所灵活性和选择的日益重要性。
AI技能:虽然许多员工觉得有能力使用日常AI,但这种信心并不总是带来有意义的生产力增长。大多数员工说他们具备在工作中使用日常AI工具的必要技能,但这些员工的生产力只显示出适度改进。
数据揭示了数字化工作场所领导者几十年来已知的事实:技术本身不保证更高的生产力。领先的组织将是那些员工将AI融入日常例行工作的组织。每天使用AI的员工实现突破性生产力增长的可能性几乎是其他人的五倍,使日常习惯,而非专业知识,成为价值的真正引擎。
负责数字化工作场所的IT领导者应通过主动收集和分享员工对AI工具的反馈来推动AI采用,以向利益相关者展示障碍和成功。AI倾听策略应该将使用频率和提示量等定量信号与员工心声调查等定性信号结合起来,提供多维视角以获得更深入的洞察。
领导者还应与团队管理者和业务利益相关者密切合作,帮助员工将AI整合到日常工作流程中,提供针对其角色和流程量身定制的能力。例如,IT领导者可以提供清晰的示例、提示和清单,帮助员工入门并扩大其效果。
趋势四:困在管理循环中,AI强化低价值工作
许多员工被困在"管理循环"中,AI主要用于生成内容、查找信息和总结电子邮件等例行任务。虽然这些活动节省时间,但这让AI的承诺未能实现。
真正高效的员工使用AI来自动化工作流程,扩大对重要信息的认识,并将节省的时间重新投资于创新或有影响力的工作。这不仅平均每周节省更多时间,而且提高了产出质量,而不是简单地增加数量。
要摆脱管理循环,IT领导者应该在其数字化工作场所通讯、内部网页面或实践社区中开发"AI实践"展示,推广成功案例并积极识别通过AI工作流程取得有意义结果的团队或个人。
IT领导者还应建立定期、可访问的渠道和反馈循环,以及员工提名表格,让员工提出创新的AI用例,分享对当前工具的坦诚反馈。
作为奖励,IT领导者应寻求少量资金,每季度给一个团队或个人一个小而有意义的奖励,庆祝他们的"AI实践"成就。
趋势五:高管AI乐观差距,生产力增长分布不均
研究显示,高管领导者对AI在未来几年的影响持乐观态度。高级领导者似乎报告因日常使用AI而获得更多生产力,而个人贡献者报告的收益明显较少,甚至没有。
这种乐观差距带来真正的风险:高级领导者受自己积极经验鼓舞,可能高估AI在整个员工队伍中的影响,在不解决一线员工面临障碍的情况下加速采用。与此同时,如果一线员工在日常工作中看不到实际好处,他们可能会对新AI倡议越来越怀疑、脱离或抵制。
IT领导者必须建立一个一致的流程,通过举办互动市政厅、部署有针对性的调查和促进策划反馈会议,捕捉不同角色和团队员工对AI的真实体验。
最后,他们应该开发和传达季度"AI乐观记分卡",透明地并排展示期望、关键洞察、障碍和成功故事,帮助领导者重新校准策略并调整投资。
总之,这五个趋势为领导者提供了关于生成式AI如何推动真正的员工生产力以及如何不能推动的清晰度。应用这些洞察对于建立可持续的、以人为中心的策略至关重要,该策略可以从组织内的生成式AI中释放持久价值。
Q&A
Q1:什么是数字敏捷度?为什么它在下降?
A:数字敏捷度是指员工具有使用技术获得更好业务结果的能力和抱负。虽然在2020年代初期远程工作普及时这一指标激增,但现在急剧下降,主要原因是员工对使用新技术工具的动力和信心下降,这可能会阻碍数字化转型努力。
Q2:为什么每天使用AI的员工生产力更高?
A:数据显示,每天使用AI工具的员工报告"更有生产力"的可能性是不经常使用者的4.6倍。频繁、习惯性使用是显著生产力增长的最强预测因子。关键在于将AI深度整合到日常工作习惯中,而不仅仅是偶尔使用。
Q3:什么是管理循环?如何避免陷入其中?
A:管理循环是指员工主要将AI用于生成内容、查找信息和总结电子邮件等例行任务。要摆脱这种循环,员工应该使用AI来自动化工作流程、扩大对重要信息的认识,并将节省的时间投入到创新或有影响力的工作中,从而提高产出质量而非仅仅增加数量。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。